シラバス参照

授業情報／Course information

科目名／Course: 行動情報科学／Behavioral Information Science
科目一覧へ戻る 2026/03/23 現在

授業基本情報
科目名（和文）
／Course		 行動情報科学
科目名（英文）
／Course		 Behavioral Information Science
時間割コード
／Registration Code		 24272301
学部（研究科）
／Faculty		 情報工学部
学科（専攻）
／Department		 人間情報工学科
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○大山　剛史
オフィスアワー
／Office Hour		 大山　剛史(火曜5限（5215室）)
開講年度
／Year of the Course		 2026年度
開講期間
／Term		 前期
対象学生
／Eligible Students		 3年,4年
単位数
／Credits		 2
授業概要情報
更新日
／Date of renewal		 2026/02/12
科目ナンバリング
／Course Numbering		 履修案内を参照
使用言語
／Language of Instruction		 日本語
オムニバス
／Omnibus		 該当なし
授業概略と目的
／Cource Description and Objectives		 人間が手に入れる情報は1000年前と比較しておおよそ2万倍になったともいわれているが、その間に人間の情報処理能力も2万倍に向上したかといえば疑わしい。今日の人類が手に入れた膨大な量の情報を余すことなく活用できているかといえばはなはだ心もとない。本講義では膨大なデータを人間が扱えるようにする「多変量解析」の代表的な手法について、講義と演習を通じて習得することを目指す。　※昨年度までとは全く異なる内容の講義になっていますので注意してください。
履修に必要な知識・能力・キーワード
／Prerequisites and Keywords		 課題遂行において必須ではないが、ある程度のプログラミング能力を要する。
履修上の注意
／Notes
教科書
／Textbook(s)		 指定しない。適宜資料を配布する。
参考文献等
／References		 黒川利明、「Python機械学習 : 事例とベストプラクティス」、朝倉書店、2020
本学付属図書館に書籍が所蔵されています。
https://opac.lib.oka-pu.ac.jp/opac/search?isbn=9784254122442

牧野浩二、「Pythonが動くGoogle ColabでAI自習ドリル」、CQ出版社、2024
本学付属図書館に書籍が所蔵されています。
https://opac.lib.oka-pu.ac.jp/opac/search?isbn=9784789845182

ほか、「多変量解析」をキーワードとした図書を参考にしてください。
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework
資格等に関する事項
／Attention Relating to Professional License
アクティブラーニングに関する事項
／Attention Relating to Active Learning		 本授業では以下のアクティブラーニングを採用している。
・プレゼンテーション
・課題
実務経験に関する事項
／Attention Relating to Operational Experiences		 研究機関での実務経験のある教員が、その実務経験を生かして専門分野と関連した問題を提示する。
授業改善アンケートへのレスポンス
（2025年度以前は「備考」）
／Response to Course Evaluations
授業計画詳細情報
No. 単元（授業回数）
／Unit (Lesson Number)		 単元タイトルと概要
／Unit Title and Unit Description		 時間外学習
／Preparation and Review		 配付資料
／Handouts
1 1 [導入]
本講義の意義や内容ならびに最終課題について説明する。		 各回、必要に応じて指示する。 各回、必要に応じて配布する。
2 2 [Python演習(1) 基本的な構文]
Pythonの演習を行う。
3 3 [Python演習(2) リスト、Numpy]
Pythonの演習を行う。
4 4 [Python演習(3) クラス、関数]
Pythonの演習を行う。
5 5 [Python演習(4) Pandas]
Pythonの演習を行う。
6 6 [Python演習(5) Python練習問題]
Pythonの演習を行う。
7 7 [重回帰分析]
重回帰分析を学ぶ。
8 8 [主成分分析]
主成分分析を学ぶ。
9 9 [判別分析：マハラノビス距離]
マハラノビス距離を用いた判別分析について学ぶ。
10 10 [判別分析：線形判別分析、決定木分析]
線形判別分析及び決定木分析を用いた判別分析について学ぶ。
11 11 [クラスタリング：K平均法、自己組織化マップ（SOM）]
クラスタリングについて学ぶ。
12 12 [数量化理論：ダミー変数、ロジスティック回帰]
質的データを量的データへ変換する手法について学ぶ。
13 13 [成果物作成]
最終課題として自らデータ収集ならびに解析を行う。
14 14-15 [成果発表]
作成した成果物の発表を行う。
成績評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
No. 到達目標
／Learning Goal		 知識・理解
／Knowledge & Undestanding		 技能・表現
／Skills & Expressions		 思考・判断
／Thoughts & Decisions		 伝達・コミュニケーション
／Communication		 協働
／Cooperative Attitude
1 データ分析の意義について説明できる（E） ○ ○ ○
2 データに応じた適切な分析手法を選択し、それを実行できる（E） ○ ○ ○
3 各種データ分析の結果を正しく他者に伝えられる（E） ○ ○ ○ ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 各回課題 最終課題
1 データ分析の意義について説明できる（E） ○ ○
2 データに応じた適切な分析手法を選択し、それを実行できる（E） ○ ○
3 各種データ分析の結果を正しく他者に伝えられる（E） ○
評価割合（％）
／Allocation of Marks		 50 50

科目一覧へ戻る